-
公开(公告)号：CN117194805A
公开(公告)日：2023-12-08
申请号：CN202311477505.2
申请日：2023-11-08
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06F16/9535 , G06F16/9536 , G06F18/25 , G06N3/042 , G06N3/048 , G06N3/084
Abstract: 本申请提供一种基于深度图神经网络的多特征空间融合推荐方法及系统，该方法包括如下步骤：获取用户特征空间矩阵和项目特征空间矩阵；根据用户特征空间矩阵和项目特征空间矩阵，对用户与项目进行评级预测，获得用户项目评级矩阵；根据用户项目评级矩阵，获得社交网络推荐最优解。本申请同时考虑用户特征空间和项目特征空间对于用户串联影响，实现提高社交网络推荐准确度。
-
公开(公告)号：CN119313978A
公开(公告)日：2025-01-14
申请号：CN202411835783.5
申请日：2024-12-13
Applicant: 南昌大学
IPC: G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明提供了一种人工智能生成图像公平性检测方法及系统，涉及图像处理技术领域，包括：将自然图像输入预训练的图像编码器获取自然语义，将AI生成图像与自然图像组合后输入图像编码器获取原始图像语义，并输入待训练的公平适配器网络模型进行残差融合，获取自然和生成增强语义；融合自然语义与生成增强语义生成第一混合样本，融合自然语义与自然增强语义生成第二混合样本，并得到混合样本；将混合样本输入分类头计算公平适配器损失函数，得到训练好的公平适配器网络模型；将增强语义输入待训练的分类网络模型获取图像分类语义，生成分类结果。本发明通过构建全新的公平性辅助模块和分类模块，能够提高图像公平性的检测性能。
-
公开(公告)号：CN118013131A
公开(公告)日：2024-05-10
申请号：CN202410426017.7
申请日：2024-04-10
Applicant: 南昌大学 , 江西炬能物联技术研究中心有限公司
IPC: G06F16/9535 , G06N3/042 , G06N3/045 , G06N3/09
Abstract: 本发明公开一种基于评分增强的图神经网络数据推荐方法、装置及介质，该方法联合利用了用户信息、物品信息、用户与物品交互信息以及用户社交网络信息，并且通过交叉注意力系数获取算法来计算用户或者物品在领域卷积过程中的权重系数，充分考虑且融合了用户信息、物品信息和评分信息，经过有效性实验证明：如果用户给某个物品较高的评分，那么交叉注意力系数绝对值也会相对较大，这表明可以充分利用评分高低有序信息，本发明能充分利用用户评分的有序性信息以提高数据推荐的准确性。
-
公开(公告)号：CN115879516B
公开(公告)日：2023-05-16
申请号：CN202310188408.5
申请日：2023-03-02
Applicant: 南昌大学
IPC: G06N3/0475 , G06N3/094 , G06V10/774 , G06V10/82
Abstract: 本申请公开了一种数据取证方法，具体包括以下子步骤：获取原始电子数据；对原始电子数据进行处理；将处理后的原始电子数据输入取证网络，输出高质量图像数据；在视觉增强网络中对高质量图像数据进行重建，得到重建后的图像数据，完成数据取证。本申请在确保数据不可检测性的前提下，不仅能够保存数据的视觉质量，还提升了数据的视觉质量，从而能够生成具有高不可检测性和视觉质量的反取证图像数据。
-
公开(公告)号：CN116071270A
公开(公告)日：2023-05-05
申请号：CN202310201462.9
申请日：2023-03-06
Applicant: 南昌大学
IPC: G06T5/00 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本申请提供一种基于可变形卷积生成对抗网络的电子数据生成方法及系统，该方法包括如下步骤：构建可变形卷积生成对抗网络的网络结构；将预先获取的训练数据集输入到可变形卷积生成对抗网络中进行训练，得到训练后的可变形卷积生成对抗网络；将待处理电子数据输入到训练后的可变形卷积生成对抗网络中，获取生成电子数据；将生成电子数据输入到预先训练的卷积神经网络检测模型中，识别生成电子数据中的棋盘伪影。本申请消除可变形卷积生成对抗网络所生成的电子数据中的棋盘伪影，且避免在可变形卷积生成对抗网络中添加过多网络层数。
-
Patent Agency Ranking
公开(公告)号：CN114757342A
公开(公告)日：2022-07-15
申请号：CN202210664838.5
申请日：2022-06-14
Applicant: 南昌大学
Abstract: 本发明公开一种基于对抗训练的电子数据信息反取证方法，将DeepFake生成的伪电子数字信息加入对抗性干扰后输入GAN网络的一级生成器，并使用鉴别器监督，输出一级电子数字信息；将一级电子数字信息输入GAN网络的二级生成器，并使用鉴别器监督，输出模仿原始伪电子数字信息的二级电子数字信息；将二级电子数字信息输入GAN网络的三级生成器，并使用三级鉴别器监督，将三级生成器生成的电子数字信息再度转换，输出最终电子数字信息，并根据第一损失函数、第二损失函数以及额外损失构建GAN网络的最终损失函数。本发明能够提高反取证能力与视觉效果。
-
公开(公告)号：CN107144595A
公开(公告)日：2017-09-08
申请号：CN201710424968.0
申请日：2017-06-06
Applicant: 南昌大学
IPC: G01N25/02
CPC classification number: G01N25/02
Abstract: 本发明提供一种热电偶和取样杯可重复利用的铸造铝合金热分析取样装置，其可以实现热电偶(测头)和取样杯的重复利用；包括检测温度用且由棒状热电偶构成的测头，测头通过补偿导线与外部的温度采集器连接；它包括一底板、设置于底板上的立柱、设置于底板上的取样杯；还包括设置于立柱侧部的滑动板，所述滑动板通过滑套与立柱连接，且所述滑动板通过滑套可在立柱上滑动及转动；所述滑动板的下端设有一金属保护套管，所述测头位于金属保护套管内。
-
公开(公告)号：CN119006932B
公开(公告)日：2025-03-18
申请号：CN202411463290.3
申请日：2024-10-21
Applicant: 南昌大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/084
Abstract: 本发明提供了一种基于双阶段学习的深度伪造图像检测方法，涉及图像处理技术领域，该方法包括以下步骤：S1、获取第一真假图像对的第一全局特征，基于所述第一全局特征获取第一通用伪造特征信息，基于所述第一通用伪造特征信息检测图像并更新所述初始检测模型的参数；S2、获取第二真假图像对的第二全局特征，基于所述第二全局特征获取第二通用伪造特征信息、特定伪造方法、性别以及种族，计算特征分类损失，基于所述特征分类损失更新检测模型的参数。本发明提供的基于双阶段学习的深度伪造图像检测方法，能够有效的检测深度伪造图像，并提高对于未知深度伪造图像技术的检测成功率。
-
公开(公告)号：CN107144595B
公开(公告)日：2023-09-01
申请号：CN201710424968.0
申请日：2017-06-06
Applicant: 南昌大学
IPC: G01N25/02
Abstract: 本发明提供一种热电偶和取样杯可重复利用的铸造铝合金热分析取样装置，其可以实现热电偶(测头)和取样杯的重复利用；包括检测温度用且由棒状热电偶构成的测头，测头通过补偿导线与外部的温度采集器连接；它包括一底板、设置于底板上的立柱、设置于底板上的取样杯；还包括设置于立柱侧部的滑动板，所述滑动板通过滑套与立柱连接，且所述滑动板通过滑套可在立柱上滑动及转动；所述滑动板的下端设有一金属保护套管，所述测头位于金属保护套管内。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.019 seconds)
